臺灣博碩士論文加值系統

本研究利用Android系統做為平台，藉由手機影像感測裝置，擷取人臉影像為輸入端，利用影像處理技術針對人臉皮膚特徵分析。首先透過行動裝置之應用程式(Apps)，其次提出標準程序的年齡辨識演算法，針對人臉特徵進行影像處理。最後完成人臉偵測、特徵擷取、特徵資訊分析及年齡辨識等。
研究主要分成兩部分，首先利用色彩空間轉換判別膚色區域，接著根據人臉相關資訊標示出感興趣之區域，再利用Canny邊緣檢測方法，計算出皺紋輪廓，為了增加皺紋完整度及減少雜訊影像結果，使用中值濾波及影像形態學之膨脹處理，可得到皺紋並計算統計。第二階段利用前述之皺紋統計結果，結合類神經網路，達成自主學習之效果。
最後利用100組人臉影像之實驗數據做為類神經網路訓練範例，接著使用另外50組人臉影像做為測試範例，為了評估年齡檢測結果好壞，本文使用其他相關研究廣泛使用之方法：Mean Absolute Error(MAE)及Cumulative Score(CS)，MAE結果為4.22。

The purpose of this thesis is to apply Android system as a development platform, combined with built-in image sensor device to capture face image as input, for facial skin characteristics analyzed using image processing. First, through the application of mobile devices(Apps), Second, proposed set of standard procedures for age recognition, for facial image processing features. Finalizing face detection, feature extraction, feature analysis and age recognition.
The research contains two stages. First, transform the color space in order to determine the skin area, based on the record of the face information marked facial feature location, then use Canny edge detection to calculate the contour of wrinkles. The image morphology and the median filter are used to preserve the original face contour and remove the noise. Then use wrinkle statistical results, combined with neural network, to achieve the effect of machine learning.
Finally, use 100 images with faces as neural network training sample, and then use the other 50 images as test case, the MAE result is 4.22.

目錄
中文摘要..................I
Abstract.................II
謝誌.....................III
目錄.....................IV
圖目錄....................VII
表目錄....................X
第一章 緒論...............1
1-1 前言.....................1
1-2 研究目的.................1
1-3 文獻回顧..................2
1-3-1 Android開發平台......2
1-3-2 影像處理..............2
1-3-3 年齡檢測..............3
1-4 研究方法...................4
1-5 論文架構...................6
第二章 Android系統架構.................7
2-1 Android簡介.................7
2-2 Android系統建置工具介紹.......12
2-3 影像處理技術應用於Android平台...14
2-3-1 Android NDK...........14
2-3-2 Cygwin.................15
2-3-3 OpenCV.................15
2-3-4 軟體整合................16
2-4 SQLite.......................18
2-5 Genymotion...................19
第三章 年齡檢測技術......................20
3-1 年齡檢測技術設計流程...........20
3-2 影像前處理....................22
3-2-1 判別膚色區域............22
3-2-2 影像正規化..............25
3-3 皺紋檢測......................26
3-3-1 影像灰階化..............27
3-3-2 中值濾波................28
3-3-3 Canny邊緣檢測...........29
3-3-4 影像形態學..............30
3-3-5 連通區域分析............33
3-4 相對位置特徵擷取...............37
第四章 類神經網路........................39
4-1 類神經網路簡介.................39
4-2 類神經網路模式原理.............43
4-2-1 倒傳遞類神經網路架構......44
4-2-2 倒傳遞類神經網路演算法.....45
4-3 類神經網路參數設定..............50
第五章 辨識結果.........................51
5-1 實驗環境與設定..................51
5-2 實驗流程與結果..................52
第六章 結論與未來展望......................71
6-1 結論...........................71
6-2 展望...........................72
參考文獻...................................73

圖目錄
圖1.1年齡辨識演算流程.........................4
圖2.1 IDC全球智慧型手機作業系統市佔率[10].......8
圖2.2 Android系統架構.........................9
圖2.3 Eclipse介面...........................12
圖2.4 Android Emulator執行畫面...............13
圖2.5 Android NDK示意圖......................14
圖2.6 OpenCV與JNI架構圖......................16
圖2.7 Android、OpenCV整合流程圖...............17
圖2.8 SQLite資料庫...........................18
圖2.9 Genymotion執行介面......................19
圖3.1 年齡檢測演算流程.........................21
圖3.2 YCbCr-CbCr Scaled[19]..................23
圖3.3 人臉影像原圖.............................24
圖3.4 膚色辨識結果.............................24
圖3.5 皺紋檢測流程圖...........................26
圖3.6 影像灰階化..............................27
圖3.7 中值濾波................................28
圖3.8 膨脹示意圖...............................31
圖3.9 膨脹範例圖...............................31
圖3.10 侵蝕示意圖..............................32
圖3.11 侵蝕範例圖..............................32
圖3.12像素相鄰關係[22].........................33
圖3.13 Two-Pass法流程圖[22]....................34
圖3.14 Seed-Filling法流程圖[22]................35
圖3.15 人臉五官位置比例圖........................37
圖3.16 人臉特徵區域示意圖.......................38
圖3.17 抬頭紋原圖.............................38
圖3.18 抬頭紋Canny邊緣檢測圖...................38
圖3.19 抬頭紋濾波後偵測圖......................38
圖3.20 抬頭紋濾波後偵測膨脹圖..................38
圖4.1 人工神經元模型..........................40
圖4.2 類神經網路模型(以倒傳遞網路為例)..........41
圖4.3 公式4.3之轉移函數.......................45
圖5.1 應用程式畫面............................51
圖5.2 ROI影像裁剪............................52
圖5.3 人臉偵測...............................53
圖5.4 原始影像...............................54
圖5.5 灰階化影像.............................54
圖5.6 Canny邊緣檢測..........................55
圖5.7 特徵擷取區域示意圖......................56
圖5.8 法令紋皺紋偵測圖........................56
圖5.9 抬頭紋皺紋偵測圖........................57
圖5.10 嘴角紋皺紋偵測圖.......................58
圖5.11 皺紋檢測結果...........................58
圖5.12 年齡辨識結果...........................59
圖5.13 不同隱藏層之實驗結果CS比較..............64
圖5.14訓練範例數量差之實驗結果CS比較...........68

表目錄
表4.1類神經網路參數設定.......................50
表5.1隱藏層1層之實驗結果......................61
表5.2隱藏層2層之實驗結果......................62
表5.3隱藏層3層之實驗結果......................63
表5.4訓練範例50組之實驗結果...................65
表5.5訓練範例20組之實驗結果...................66
表5.6訓練範例150組之實驗結果..................67
表5.7MAE結果比較............................68
表5.8台灣人臉影像之實驗結果....................70

[1] 鍾文昌，”Android作業系統移植之研究與實現”，國立臺北科技大學資訊工程系碩士論文，2009。
[2] 許育豪，”使用Android手機實現手勢辨識”，南台科技大學電子工程研究所碩士論文，2013。
[3] 廖志儒，”人臉辨識在Android平台之實現”，國立中央大學電機工程學系碩士論文，2014。
[4] Sanjay Kr. Singh , D. S. Chauhan , Mayank Vatsa , Richa Singh，”A Robust Skin Color Based Face Detection Algorithm”，Tamkang Journal of Science and Engineering，Vol. 6, No.4, pp.227-234，2003。
[5] Maricor Soriano, Birgitta Martinkauppi, Sami Huovinen, Mika Laaksonen，”Adaptive skin color modeling using the skin locus for selecting training pixels”，Pattern Recognition 36, pp.681-690，2003。
[6] Na Fan，”Learning Nonlinear Distance Functions using Neural Network for Regression with Application to Robust Human Age Estimation”，IEEE International Conference on Computer Vision, pp.249-254，2011。
[7] Jun-Da Txia, Chung-Lin Huang，”Age Estimation using AAM and Local Facial Features”，Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing， 2009。
[8]Yun Fu，”Age Synthesis and Estimation vid Faces: A Survey”，IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL.32, NO.11，NOVEMBER 2010.。
[9] 蓋索林，”Google!Android手機應用程式設計入門(第2版)”，統一元氣資產管理股份有限公司，2009。
[10] http://www.idc.com/prodserv/smartphone-os-market-share.jsp。
[11] http://zh.wikipedia.org/wiki/JDK。
[12] http://zh.wikipedia.org/wiki/Eclipse 。
[13] http://developer.android.com/intl/zh-tw/tools/help/adt.html 。
[14]http://en.wikipedia.org/wiki/Android_software_development#Android_SDK。
[15] https://developer.android.com/intl/zh-tw/tools/sdk/ndk/index.html。
[16] http://zh.wikipedia.org/wiki/Cygwin 。
[17] http://zh.wikipedia.org/wiki/OpenCV。
[18] http://zh.wikipedia.org/wiki/SQLite 。
[19] Lei Yang、Hui Li、Xiaoyu Wu、Dewei Zhao、Jun Zhai，”An algorithm of skin detection based on texture”，4th International Congress on Image and Signal Processing，2011。
[20] 呂文助，”以 Canny 邊緣檢測法與形態學分割方法探討大鼠聲門面積曲線之研究”，國立臺灣師範大學機電科技學系碩士論文，2011。
[21]繆紹綱，”數位影像處理”，普林斯頓國際有限公司，2003。
[22] http://blog.csdn.net/icvpr/article/details/10259577。
[23]葉怡成，”應用類神經網路”，儒林圖書有限公司，1997。
[24] http://agingmind.utdallas.edu/facedb/view/neutral-faces。